基于改进PCA-Logistic模型对个人汽车保有量预测

发布时间：2023-03-22 23:18

　　我国个人汽车保有量数据的变化是一个长期的非线性过程,其影响因素复杂,并且因素之间也存在非线性关系,需要合理准确的方法进行分析和预测。为了研究在GDP、城镇人口变化、消费水平等多因素的影响下我国个人汽车保有量的变化问题,采用了改进的主成分因子分析和Logistic非线性模型相结合的方法,对传统主成分分析法进行了改进,考虑数据的完整性,选取1985—2018年之间影响我国个人汽车保有量的8个代表性因素,首先通过改进主成分分析法对其进行了"非线性"的降维处理,再利用Logistic非线性模型描述汽车保有量和提取主成分之间的关系,最终提出了改进PCA-Logistic模型。比较分析了改进的PCA-Logistic模型与传统PCA-Logistic模型在对个人汽车保有量预测的不同和改进后模型的优点,结果表明:改进PCA-Logistic模型可以有效地消除数据之间非线性关系,可以将传统方法得到的二次非线性主成分回归曲线变成线性曲线,从而更符合主成分分析法原则;得到的非线性Logistic回归曲线与实际数据拟合度更高,说明能更准确地评估我国个人汽车保有量。根据此模型预测了2019—2024年我国个人...

【文章页数】：8 页

【文章目录】：
0 引言
1 模型建立
    1.1 改进的主成分分析法
    1.2 Logistic模型
    1.3 改进PCA-Logistic模型
2 实证分析
    2.1 变量选取与数据来源
    2.2 改进的主成分分析
    2.3 主成分分析法改进前后的主成分回归曲线比较
    2.4 Logistic模型回归分析
        2.4.1 改进主成分分析法的Logistic回归分析
        2.4.2 主成分分析法改进前后的Logistic回归比较
    2.5 个人汽车保有量预测
3 结论



本文编号：3767791